CompoWorld 突破通用智能体多服务协同瓶颈：10,130 个工具组合拓扑缩放，35B 模型跑分超越 Claude Opus 4.6

核心背景与行业痛点 当前自主通用智能体（General Agents）在处理简单单步工具调用（如查天气、简单计算）时已表现优异，但面对真实工业级日常业务（如跨 CRM、财务对账、云资源编排与多平台发版）时故障率飙升。核心瓶颈在于现有的 Agent 训练环境多为孤立单体玩具环境（Single-environment Isolation），缺乏不同系统之间真实的数据管道与状态依赖；而依赖人工标注编写多系统联动数据的成本极度高昂，难以形成可扩展的“合成数据飞轮”。 ### 架构亮点与底层机制 南京大学等团队提出了全新的组合式环境缩放架构 CompoWorld： 1. 448 个独立微服务与 10,130 个工具拓扑：利用 Coding Agent 将工具描述自动编写为具备强类型状态（Typed States）和规范接口的微服务代码，对于不可直接用代码落地的外部非确定性工具，引入世界模型（World Model）进行高保真状态模拟； 2. 随机游走依赖图与跨服务任务合成：通过在服务依赖拓扑图上执行随机游走，自动编织出信息流必须跨越多个异构微服务的数据流向链路，并生成配套的环境校验探针； 3. 聚焦完成度的细则奖励机制（Completion-Focused Rubric Reward）：在强化学习（RL）阶段，不仅评测单步准确性，更在每个 Rollout 组内加权强化那些在多步长程中“通过率最低的核心卡点”，迫使模型攻克长链路末端执行瓶颈。 ### 权威 Benchmark 与实测跑分对比 研究团队仅使用 3K 条 SFT 轨迹和 1K 个 RL 任务，在 Qwen3.6-35B-A3B 基础模型上展开后训练： - 八大智能体基准全线暴涨：在涵盖复杂工具调用的 8 项综合测试中，模型整体平均得分相比纯基座提升高达 +9.17 分； - 权威 AutomationBench 夺冠：在极其严苛的跨应用端到端评测基准 AutomationBench 上，35B 规模的 CompoWorld 模型超越了 Claude Opus 4.6，并大幅拉开与其他 35B~70B 专属智能体模型的差距； - 泛化样本效率：证明了组合式服务依赖网络能够在千级小样本训练下，激活模型对未知多工具组合的长程推理直觉。 ### 开发者实战落地与开箱指南 - 论文与规范：完整框架已收录于 arXiv:2609.33665； - 数据与环境资产：团队开源了 448 个微服务描述、工具调用解析器及对应的依赖拓扑图生成脚本； - 工程启示：企业在训练垂直领域代码/运维 Agent 时，应当构建服务间契约依赖图（Service Dependency Graph）来合成跨系统训练集，而非盲目堆叠单接口问答对。